#思考模型

“OpenAI的计划是从GPT-5开始，把直觉模型和思考模型统一起来，由系统自己决定是否开启深度思考。” 有意思，真的从人大脑运作角度统一起来了。 系统1：快思考，传统大模型（GPT4.5、Deepseek V3 ） 系统2：慢思考，推理模型（O1-pro、Deepseek R1） 脑科学和计算机科学，互相启发~

DeepSeek R1的论文非常值得仔细看，粗略扫了下，他们只用了GRPO+Reward Model在线RL就可以就训练出思考模型。而且很诚实的把PRM、MCTS放到失败尝试中。 同时这也证明领域级思考模型的训练目前的技术完全可以复现，只需要想办法合成对应的cot训练数据。 明天仔细研读下，并着手在实际的领域中尝试落地。